論文の概要: Characteristic Energy Behavior Profiling of Non-Residential Buildings

• arxiv url: http://arxiv.org/abs/2509.04322v1
• Date: Thu, 04 Sep 2025 15:41:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-05 20:21:10.206203
• Title: Characteristic Energy Behavior Profiling of Non-Residential Buildings
• Title（参考訳）: 非住宅建物の特性エネルギー挙動プロファイリング
• Authors: Haley Dozier, Althea Henslee,
• Abstract要約: 気候回復対策は、重要なミッションを支援し、準備が整うのに役立つ施設資産を保護するために必要である。 本稿では,施設におけるエネルギー利用の行動プロファイルを決定するためのデータ駆動行動モデルを提案する。 個々の建築行動は、非住宅のエネルギー利用から収集されたマルチモーダルデータを正確に分析、予測、クラスタ化できるモデルで表現される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Due to the threat of changing climate and extreme weather events, the infrastructure of the United States Army installations is at risk. More than ever, climate resilience measures are needed to protect facility assets that support critical missions and help generate readiness. As most of the Army installations within the continental United States rely on commercial energy and water sources, resilience to the vulnerabilities within independent energy resources (electricity grids, natural gas pipelines, etc) along with a baseline understanding of energy usage within installations must be determined. This paper will propose a data-driven behavioral model to determine behavior profiles of energy usage on installations. These profiles will be used 1) to create a baseline assessment of the impact of unexpected disruptions on energy systems and 2) to benchmark future resiliency measures. In this methodology, individual building behavior will be represented with models that can accurately analyze, predict, and cluster multimodal data collected from energy usage of non-residential buildings. Due to the nature of Army installation energy usage data, similarly structured open access data will be used to illustrate this methodology.
• Abstract（参考訳）: 気候変動や極度の気象現象の恐れがあるため、アメリカ陸軍の施設のインフラは危険にさらされている。 気候の回復力は、重要なミッションを支え、準備が整うのに役立つ施設の資産を保護するために、これまで以上に必要である。 アメリカ合衆国本土の陸軍施設のほとんどが商業エネルギーと水源に依存しているため、独立したエネルギー資源(電力網、天然ガスパイプラインなど)の脆弱性に対するレジリエンスと、施設内でのエネルギー使用の基本的な理解が求められる。 本稿では,施設におけるエネルギー利用の行動プロファイルを決定するためのデータ駆動行動モデルを提案する。 これらのプロファイルが使用される 1)エネルギーシステムに対する予期せぬ破壊の影響の基準評価を作成すること 2) 将来の回復力の指標となる。 この手法では、住宅のエネルギー利用から収集したマルチモーダルデータを正確に分析し、予測し、クラスタ化できるモデルで個々の建築行動を表現する。 陸軍のエネルギー利用データの性質から、同様に構造化されたオープンアクセスデータが、この方法論を説明するために使用される。

関連論文リスト

• OccuEMBED: Occupancy Extraction Merged with Building Energy Disaggregation for Occupant-Responsive Operation at Scale [3.1755820123640612]
  自動化の構築は、中央集権的な運用を通じて効率性と柔軟性を高める上で重要な役割を担います。 本研究では,全体のスマートメータデータを用いて,占有率とシステム操作量の両方を推定する可能性について検討する。 我々は,OccuEMBEDを提案する。OccuEMBEDは,占有率推定とシステムレベルの負荷解析のための統合されたフレームワークである。
  論文  参考訳（メタデータ） (2025-04-23T10:49:48Z)
• Explainable AI for building energy retrofitting under data scarcity [40.14307808809578]
  本研究では,人工知能(AI)と機械学習(ML)を基盤として,住宅のエネルギー効率対策を推奨する枠組みを提案する。 ラトビアをケーススタディとして、この方法論は限られたデータセット、クラス不均衡、データ不足に関連する課題に対処する。 このアプローチの評価は、データ制限を顕著に克服し、精度、リコール、F1スコアの最大54%の改善を実現していることを示している。
  論文  参考訳（メタデータ） (2025-04-08T14:00:08Z)
• From Dense to Sparse: Event Response for Enhanced Residential Load Forecasting [48.22398304557558]
  住宅負荷予測のためのイベント応答型知識ガイド手法(ERKG)を提案する。 ERKGは、異なる家電の電力使用状況の推定、負荷系列からのイベント関連スパース知識のマイニングを取り入れている。
  論文  参考訳（メタデータ） (2025-01-06T05:53:38Z)
• The Forecastability of Underlying Building Electricity Demand from Time Series Data [1.3757257689932039]
  ビルのエネルギー消費予測は、ビルのエネルギー管理システムにおいて有望な解決策となっている。 建物の将来的なエネルギー需要を予測するデータ駆動のアプローチは、科学文献で見ることができる。 このような建物のエネルギー需要を予測するために利用できる最も正確な予測モデルの同定は依然として困難である。
  論文  参考訳（メタデータ） (2023-11-29T20:47:47Z)
• Benchmarks and Custom Package for Energy Forecasting [55.460452605056894]
  エネルギー予測は、電力グリッドディスパッチのようなその後のタスクのコストを最小化することを目的としている。 本稿では,大規模負荷データセットを収集し,再生可能エネルギーデータセットを新たにリリースした。 評価指標の異なるレベルにおいて,21種類の予測手法を用いた広範囲な実験を行った。
  論文  参考訳（メタデータ） (2023-07-14T06:50:02Z)
• High-resolution synthetic residential energy use profiles for the United States [12.699816591560712]
  我々は、米国全土の住宅セクター向けに、大規模で総合的な住宅エネルギー利用データセットを公開します。 データは、合成世帯の1時間あたりのエネルギー使用プロファイルからなり、温度制御負荷(TCL)と家電の使用に分解される。
  論文  参考訳（メタデータ） (2022-10-14T20:55:10Z)
• A physics-based domain adaptation framework for modelling and forecasting building energy systems [5.8010446129208155]
  最先端の機械学習ベースのモデルは、建物内のエネルギー挙動のモデリングと予測に一般的な選択肢である。 しかし、それらの構造は、物理現象の制御と結びついた物理的・機械的構造を持たない。 我々はラベル付きデータの代わりに、熱伝達常微分方程式によって支配されるLTIの幾何学構造を利用する新しいSDA手法を導入する。
  論文  参考訳（メタデータ） (2022-08-19T17:27:39Z)
• Investigating Underlying Drivers of Variability in Residential Energy Usage Patterns with Daily Load Shape Clustering of Smart Meter Data [53.51471969978107]
  スマートメータの大規模展開は、日々の負荷パターンの分散を探求する研究の動機となっている。 本稿では,電力消費パターンが変動性を示すメカニズムを明らかにすることを目的とした。
  論文  参考訳（メタデータ） (2021-02-16T16:56:27Z)
• Multi-Agent Meta-Reinforcement Learning for Self-Powered and Sustainable Edge Computing Systems [87.4519172058185]
  エッジコンピューティング機能を有するセルフパワー無線ネットワークの効率的なエネルギー分配機構について検討した。 定式化問題を解くために,新しいマルチエージェントメタ強化学習(MAMRL)フレームワークを提案する。 実験の結果、提案されたMAMRLモデルは、再生不可能なエネルギー使用量を最大11%削減し、エネルギーコストを22.4%削減できることが示された。
  論文  参考訳（メタデータ） (2020-02-20T04:58:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。